的简历
恢复训练支持向量机(SVM)分类万博1manbetx器
描述
例子
恢复训练SVM分类器
训练SVM分类器和故意导致求解失败收敛到一个解决方案。然后恢复训练分类器,而不必重新启动整个学习过程。
加载电离层
数据集。
负载电离层rng (1);%的再现性
一个支持向量机分类器训练。指定优化日常使用最多50个迭代。
SVMModel = fitcsvm (X, Y,“IterationLimit”,50);DidConverge = SVMModel.ConvergenceInfo.Converged
DidConverge =逻辑0
原因= SVMModel.ConvergenceInfo.ReasonForConvergence
原因= ' NoConvergence '
DidConverge = 0
表明该优化程序不收敛到一个解决方案。原因
州常规不收敛的原因。因此,SVMModel
是一个部分训练SVM分类器。
恢复训练SVM分类器的另一个地方1500年
迭代。
UpdatedSVMModel =简历(SVMModel, 1500);DidConverge = UpdatedSVMModel.ConvergenceInfo.Converged
DidConverge =逻辑1
原因= UpdatedSVMModel.ConvergenceInfo.ReasonForConvergence
原因= ' DeltaGradient '
DidConverge
表明优化常规聚合到一个解决方案。原因
表明梯度差异(DeltaGradient
)达到公差水平(DeltaGradientTolerance
)。因此,SVMModel
是一个完全训练SVM分类器。
监控训练SVM分类器
训练SVM分类器和故意导致求解失败收敛到一个解决方案。然后恢复训练分类器,而不必重新启动整个学习过程。比较值resubstitution损失的部分训练分类器,完全训练分类器。
加载电离层
数据集。
负载电离层
一个支持向量机分类器训练。指定优化日常使用最多100次迭代。监控软件的算法指定打印所有诊断信息50
迭代。
SVMModel = fitcsvm (X, Y,“IterationLimit”,100,“详细”,1“NumPrint”,50);
| = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | |迭代| |集合大小| |可行性三角洲|马| | |目标数量约束| | | | | | |梯度差距Vec。违反|增刊。违反| | | | = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | 0 |活动| 351 | 9.971591 e-01 e + 00 | 2.000000 | 1.000000 e + e + 00 00 | 0 | 0.000000 | 0.000000 e + 00 | | 351 | |活跃e-01 | 8.064425 | 3.736929 e + 2.161317 e + 00 00 | | 60 e + 01 | -3.628863 | 5.551115 e-17 |支持向量机优化不收敛所需的公差。
软件输出迭代显示命令窗口。打印输出表明,优化程序并没有融合到一个解决方案。
估计resubstitution损失的部分训练SVM分类器。
partialLoss = resubLoss (SVMModel)
partialLoss = 0.1197
训练样本的误分类误差大约是12%。
恢复训练的分类器1500年
迭代。每一个指定的软件打印诊断信息250年
迭代。
UpdatedSVMModel =简历(SVMModel, 1500,“NumPrint”,250)
| = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | |迭代| |集合大小| |可行性三角洲|马| | |目标数量约束| | | | | | |梯度差距Vec。违反|增刊。违反| | | | = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = | | 250 | |活跃351 e-01 | 2.097627 | 1.965259 e + 00 e + 00 | 102 | 1.211407 | -7.577701 e + 01 e15汽油1.956768 | | | 500 | |活跃351 | 3.625797 e 03 e-02 | 9.547707 | 5.710587 e-02 | 103 | -7.819434 e + 01 e15汽油2.337974 | | | 750 | |活跃351 e-04 | 5.810633 | 2.683463 e-02 e-02 | 1.500555 | 103 | -7.820914 e + 01 e15汽油2.724383 | | | 1000 | |活跃351 e-05 | 7.464431 | 2.218816 e 03 e 03 | 1.276094 | 103 | -7.820958 e + 01 e15汽油2.277258 | | | 1067 | |活跃351 e-05 | 4.748866 | 9.882221 e-04 e-04 | 5.178619 | 103 | -7.820959 e + 01 e15汽油2.257309 | |退出有效集上由于DeltaGradient收敛。
UpdatedSVMModel = ClassificationSVM ResponseName:‘Y’CategoricalPredictors:[]类名:{b ' g '} ScoreTransform:“没有一个”NumObservations: 351α:[103 x1双]偏见:-3.8827 KernelParameters: [1 x1 struct] BoxConstraints: x1双[351]ConvergenceInfo: [1 x1 struct] IsSupportVector: x1逻辑[351]解算器:SMO的属性,万博1manbetx方法
软件恢复迭代1000年
和使用相同的冗长的一组训练模型时使用fitcsvm
。打印输出表明,算法融合。因此,UpdatedSVMModel
是一个训练有素ClassificationSVM
分类器。
updatedLoss = resubLoss (UpdatedSVMModel)
updatedLoss = 0.0769
充分训练分类器的训练样本误分类误差为8%左右。
输入参数
SVMModel
- - - - - -满,训练SVM分类器
ClassificationSVM
分类器
满,训练SVM分类器,指定为一个ClassificationSVM
模型训练fitcsvm
。
numIter
- - - - - -的迭代次数
正整数
继续训练SVM分类器的迭代次数,指定为一个正整数。
数据类型:双
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:简历(SVMModel, 500,“详细”,2)
火车SVMModel
为500年
更多的迭代和指定显示诊断消息并保存在每一个迭代收敛标准。
提示
如果优化不收敛和解决者SMO的
或ISDA的
,然后试图恢复训练SVM分类器。
引用
[1]球迷,R.-E。,林志信。陈,C.-J。林。“工作集选择使用二阶信息训练支持向量机。”万博1manbetx机器学习研究杂志》上》第六卷,2005年,页1889 - 1918。
[2]Kecman V。,t - m。黄,m·沃格特。“迭代单一数据训练算法内核机器从巨大的数据集:理论和性能。”万博1manbetx支持向量机:理论和应用程序。由脂肪编辑,255 - 274。柏林:斯普林格出版社,2005年版。
扩展功能
GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。
这个函数完全支持GPU数组。万博1manbetx有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。
版本历史
介绍了R2014a
另请参阅
Beispiel offnen
您有一张这本Beispiels geanderte版本。您这本Beispiel麻省理工学院古老Anderungen offnen吗?
MATLAB-Befehl
您有窗户的链接geklickt,汪汪汪der diesem MATLAB-Befehl entspricht:
在das MATLAB-Befehlsfenster Fuhren您窝Befehl军队Eingabe来自。浏览器unterstutzen MATLAB-Befehle。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。